Mask R-CNN算法在转子间骨折诊断中的应用研究

作     者：邓远阳 刘学思 聂瑞 李阳 张和华 DENG Yuanyang;LIU Xuesi;NIE Rui;LI Yang;ZHANG Hehua

作者机构：重庆邮电大学生物信息学院重庆400065 陆军军医大学大坪医院医学工程科重庆400042 陆军军医大学大坪医院战创伤外科重庆400042 

出 版 物：《中国医疗设备》 (China Medical Devices)

年 卷 期：2024年第39卷第6期

页      面：23-29页

学科分类：0831[工学-生物医学工程（可授工学、理学、医学学位）] 081203[工学-计算机应用技术] 08[工学] 0835[工学-软件工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：重庆市技术创新与应用发展专项重点项目(CSTB2021TIAD-KPX0074) 

主　　题：转子间骨折 Mask R-CNN X光片 计算机辅助诊断 

摘      要：目的基于Mask R-CNN算法实现一个计算机辅助诊断(Computer Aided Diagnosis,CAD)工具,以辅助经验不足的医生对转子间骨折进行诊断。方法选取665例转子间骨折X光片数据为研究对象,按照8∶0.5∶1.5的比例设置训练集、验证集和测试集。采用迁移学习方法训练网络模型,实现CAD工具对转子间骨折的定位、分割和分类功能。同时招募3名住院医生和3名主治医生对CAD工具的分类性能进行测试。结果CAD工具取得了0.867的准确度,相比主治医生0.888±0.010的平均分类水平仍有不足。在CAD工具的帮助下,住院医生的平均准确度从0.707±0.021提升至0.850±0.015,虽然未能达到主治医生的分类水平,但其差异无统计学意义(P=0.179)。结论CAD工具能够为医生提供有效的辅助信息,辅助经验不足的医生进行诊断,减少误诊情况的发生。